基于压缩感知的稀疏度自适应超高次谐波检测算法

近年来,越来越多运用电力电子器件的电气设备接人电力系统,配电网中超高次谐波发射水平的持续上升已经成为电网中亟需解决的电能质量问题之一.文中提出了一种基于压缩感知的稀疏度自适应超高次谐波检测算法,该方法基于快速傅里叶变换系数和狄利克雷核函数,结合插值因子,构建高精度的压缩感知模型;同时,文中引入了稀疏度自适应的概念,提出通过稀疏度自适应的匹配重构算法获得待检信号中超高次谐波的频率和幅值.改进算法提高了超高次谐波重构幅值的精度,减小了无法预估待检信号稀疏度而造成的误差.仿真结果证明了改进算法的准确性和有效性.     

基于CS-RBAPVS的超高次谐波检测算法

随着电力电子技术高占比应用于可再生能源发电系统,大量超高次谐波流入电网,从而引发新的电能质量问题。针对超高次谐波检测过程中计算量大、测量不精确等问题,提出一种基于压缩感知变步长正则化回溯自适应追踪超高次谐波检测算法。该方法利用狄利克雷核矩阵与离散傅里叶变换系数,并引入插值因子,建立基于压缩感知理论的超高次谐波模型;同时采用基于变步长的正则化回溯自适应追踪算法重构原信号,该算法通过结合正则化思想与子空间追踪算法的回溯思想,在无需预知原信号稀疏度的情况下,不仅实现了信号的精确重构,而且克服了固定步长所引起的问题。仿真测试验证了该算法的优越性与有效性。     

基于改进降噪自编码器和多元时序聚类的海上风电功率预测

针对海上数值天气预报（NWP）精度低、气象因素复杂等特点,提出一种基于改进的双向降噪自编码器（BDAE）和多元时序聚类的短期海上风电功率预测方法。首先,利用Toeplitz矩阵逆协方差聚类（TICC）进行风况相似性分类,即根据30、70、100 m海上NWP风速进行多元序列实时分割与聚类;然后,针对不同风况类型分别建立可提取过去、未来双向有效信息的改进BDAE修正模型,以修正轮毂高度风速的预测误差;最后,基于修正后的轮毂高度风速以及其余NWP数据,利用TICC算法划分气象相似类型,并在此基础上建立对应的海上风电功率预测模型。采用国内某海上风电场数据进行实验验证,结果表明所提方法能提高海上风电功率预测精度,具有一定工程实用价值。     

考虑VSC系统谐波稳定条件下的LCL滤波器参数优化设计方法

可再生能源发电系统通常在逆变器出口处接入LCL滤波器以抑制高频谐波,然而在LCL滤波器的参数设计过程中,不合理的参数设计会加剧系统中的谐波不稳定问题。因此,通过结合LCL滤波器的外特性需求,并且综合考虑系统稳定性对滤波器的约束条件,建立以谐波衰减率最大、电感成本最小以及系统稳定性最好为目标函数的LCL滤波器参数多目标优化模型。在模型的求解过程中,针对单目标优化算法和传统的多目标优化算法存在设计目标单一、收敛性差和优化效果不佳等问题,提出采用MOEA/D多目标优化算法来求解。该算法利用权重向量的进化导向性以及子问题邻域的优势共享特征,保证了算法对最优解的寻优能力以及在目标空间上的均匀分布,以获得理想的pareto最优前沿,并进一步采用模糊隶属度函数定量分析其优化效果。最后,利用Matlab/Simulink软件对光伏并网系统中的电压源型逆变器(Voltage Source Converter, VSC)进行仿真。仿真结果充分表明所设计方案的有效性和适用性。